Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/23220
Title: Aplicación de técnicas de aprendizaje de máquina para la detección de aglomeraciones de personas y comportamientos anómalos mediante segmentación semántica y redes convolucionales : Modelo de Redes Convolucionales basadas en regiones para la detección de aglomeraciones en videos aplicando segmentación semántica.
Authors: Taco Apolo, César Paolo
Keywords: DISTANCIAMIENTO SOCIAL
INTELIGENCIA ARTIFICIAL
INSUMOS TECNOLÓGICOS
PERCEPCIÓN VISUAL
COVID-19
SEGMENTACIÓN SEMÁNTICA
Issue Date: Oct-2022
Publisher: Quito : EPN, 2022.
Citation: Taco Apolo, C.P.(2022). Aplicación de técnicas de aprendizaje de máquina para la detección de aglomeraciones de personas y comportamientos anómalos mediante segmentación semántica y redes convolucionales : Modelo de Redes Convolucionales basadas en regiones para la detección de aglomeraciones en videos aplicando segmentación semántica. 75 páginas. Quito : EPN.
Abstract: Computer vision is a branch of the field of artificial intelligence that develops the theory and technology necessary to emulate human visual perception, aiming to build artificial systems capable of interpreting natural scenes or multidimensional data. The correct detection and segmentation of people in highly crowded places is of vital importance due to the disease that caused the death of billions of people worldwide known as COVID 19. For this reason, this curricular integration work presents the application of a computer vision technique known as semantic segmentation, based on the analysis, design and implementation of a system for the detection and segmentation of people in a highly crowded and agglomerated place from a video located approximately 5 meters high, taking as a starting point a previously trained model which is Mask R-CNN, with this model the transfer of learning in its upper layers will be carried out so that only detects and segments people. The study consists of analyzing, assessing and evaluating the model whose training process will be analyzed based on metrics related to the state of the art, such as, for example, its average accuracy and its intersection over the union, which will determine the validity of the model to conclude whether in conjunction with semantic segmentation are able to detect and segment people in highly agglomerated places.
Description: La visión por computador es una rama perteneciente al campo de la inteligencia artificial que engloba tanto la teoría como los insumos tecnológicos necesarios para poder emular la percepción visual humana, teniendo como objetivo el construir sistemas artificiales capaces de interpretar escenas naturales o datos multidimensionales. La correcta detección y segmentación de personas en lugares altamente aglomerados es de vital importancia debido a la enfermedad que provocó la muerte de miles de millones de personas a nivel mundial conocida como COVID 19. Por tal razón en este trabajo integrador se presenta la aplicación de una técnica de visión por computador conocida como segmentación semántica, basándose en el análisis, diseño e implementación de un sistema para la detección y segmentación de personas en un lugar altamente concurrido y aglomerado proveniente de un video situado a unos 5 metros de altura aproximadamente, teniendo como punto de partida un modelo previamente entrenado el cual se lo conoce por el nombre de Mask R-CNN, con este modelo se efectuará la transferencia de aprendizaje en sus capas superiores para que únicamente detecte y segmente personas. El estudio consiste en analizar, valorar y evaluar el modelo cuyo proceso de entrenamiento será analizado en base a métricas relacionadas entorno a lo que dicta el estado del arte, como, por ejemplo, su precisión media y su intersección sobre la unión, los cuales determinaran la validez del modelo para concluir si en conjunto con la segmentación semántica son capaces para detectar y segmentar personas en lugares altamente aglomerados
URI: http://bibdigital.epn.edu.ec/handle/15000/23220
Appears in Collections:TIC- Ingeniería en Ciencias de la Computación

Files in This Item:
File Description SizeFormat 
CD 12820.pdf3,5 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.